تعداد نشریات | 49 |
تعداد شمارهها | 1,778 |
تعداد مقالات | 18,927 |
تعداد مشاهده مقاله | 7,797,373 |
تعداد دریافت فایل اصل مقاله | 5,092,808 |
پیشبینی تقاضای روزانه آب شهر شیراز با استفاده از شبکهعصبی و الگوریتم بهینهسازی کلونی زنبور عسل | ||
آب و توسعه پایدار | ||
مقاله 3، دوره 9، شماره 2 - شماره پیاپی 24، شهریور 1401، صفحه 9-18 اصل مقاله (493 K) | ||
نوع مقاله: کاربردی | ||
شناسه دیجیتال (DOI): 10.22067/jwsd.v9i2.2201.1117 | ||
نویسندگان | ||
الهام اسراری* 1؛ محمد حسینی2 | ||
1دانشیار، گروه فنی و مهندسی، دانشگاه پیام نور، تهران، ایران | ||
2دانشآموخته کارشناسیارشد، گروه فنی و مهندسی، دانشگاه پیام نور، تهران، ایران | ||
چکیده | ||
دسترسی به آب شرب بهداشتی یکی از مهمترین نیازهای بشری و حقوق شهروندی است. به همین دلیل، تأمین، انتقال، تصفیه و توزیع آب شرب بهداشتی بهمنظور رفع نیازهای آب مشترکین شهری و روستایی یکی از وظایف اولیه و اولویتهای هر دولتی است. پیشبینی تقاضای آب در سیستمهای آبرسانی و توزیع آب، کمک شایانی به مدیران مرتبط با تامین آب، جهت مدیریت و جلوگیری از بروز بحران و برنامهریزی تامین آب، سرویس و نگهداری تجهیزات و تأسیسات، فرهنگسازی، اطلاعرسانی و غیره خواهد داشت. در این مقاله روشی ترکیبی مبتنی بر روشهای شبکه عصبی و بهینهسازی کلونی زنبور عسل برای پیشبینی تقاضای آب شرب و بهداشت شهر شیراز ارائه شده است. هدف از این مقاله ارتقای دقت پیشبینی تقاضای آب با بهکارگیری روش شبکه عصبی بود. پارامترهای در نظر گرفته شده جهت مدلسازی پیشبینی تقاضای آب شامل اطلاعات گذشته تقاضای آب، دمای هوا، جمعیت، وزش باد و تاریخ است. اطلاعات استفاده شده برای آموزش شبکه عصبی شامل 10 سال از سال 88 تا 97 بود. جهت صحتسنجی و بررسی عملکرد روش پیشنهادی، تقاضای آب سال 98 و فروردین 99 پیشبینی و با آمار واقعی مقایسه شد. بر اساس نتایج بهدست آمده روش پیشنهادی بهطور مناسبی توانسته پیشبینی تقاضای آب را انجام دهد. روش پیشنهادی دقت مطلوبی داشته و انحراف پیشبینی تقاضای آب در بدترین شرایط به عدد یک درصد رسیده که مقدار قابل قبولی است. از لحاظ آماری نتایج بهدستآمده با استفاده از پارامتر MAPE با تحقیقات پیشین مقایسه شد، از این منظر روش پیشنهادی قابل اطمینان بوده و کارایی مناسبی در پیشبینی تقاضای آب سیستم شهر شیراز داشته است. | ||
کلیدواژهها | ||
ارتقای سیستم آبرسانی؛ پیشبینی تقاضای آب؛ شیراز؛ شبکه عصبی | ||
مراجع | ||
Abiodun O. I., Jantan A., Omolara A. E., Dada K. V., Mohamed N. A and Arshad H. 2018. State-of-the-art in artificial neural network applications: A survey. Heliyon, 4(11): e00938. | ||
آمار تعداد مشاهده مقاله: 188 تعداد دریافت فایل اصل مقاله: 107 |